该系统通过分析睡眠期间经由脑电图（EEG）采集的电信号，来估算一个人的“脑年龄”。研究人员发现，当大脑看起来比人的实际年龄大时，患痴呆症的风险会增加。
估算脑年龄与实际年龄每相差10岁，患痴呆症的可能性就增加近40%。估算脑年龄比实际年龄年轻的人群，其患病风险较低。
这些发现发表在《JAMA Network Open》上。
AI根据睡眠信号估算脑年龄
研究人员开发了一种机器学习模型，该模型结合了脑电图脑波记录中发现的13个微观特征。他们将此模型应用于参与五项独立研究的约7000人的数据。
参与者的年龄范围在40至94岁之间，且在各自的研究开始时均未患有痴呆症。研究人员对他们进行了3.5年至17年不等的监测。在此期间，约有1000名参与者患上了痴呆症。
分析表明，睡眠脑波中微小且高度详细的模式可能提供了标准睡眠测量未能检测到的信息。
先前涉及多组参与者的汇总分析发现，痴呆症风险与常规睡眠测量之间没有显著关联。这些传统测量指标包括一个人在不同睡眠阶段花费的时间以及夜间睡眠效率。
资深作者、加州大学旧金山分校（UCSF）医学院精神病学副教授Yue Leng医学学士、博士表示：“宽泛的睡眠指标无法完全捕捉睡眠生理学复杂的多维特性。”
与记忆相关的脑波模式
用于计算脑年龄的几种脑电图模式已知有助于支持记忆和认知健康。
一个例子是德尔塔波，这种缓慢且起伏的电模式通常与深度睡眠相关。另一个是睡眠纺锤波，这是快速大脑活动的短暂爆发，被认为有助于大脑加强和存储记忆。
该研究最显著的发现之一涉及脑电图信号中巨大、突然的尖峰。这种被称为“峰度”的特征与较低的痴呆症发病风险相关。
即使在研究人员考虑了教育程度、吸烟、体重指数（BMI）、体力活动、其他医疗状况和遗传风险因素后，估算脑年龄较大与痴呆症风险较高之间的关联仍然显著。
一种可能用于早期痴呆症检测的工具
由于脑电图读数可以在不进行侵入性医疗程序的情况下采集，研究人员认为，基于睡眠的脑年龄测量最终可能有助于在传统诊所之外评估痴呆症风险。例如，未来的可穿戴技术可能能够在睡眠期间记录必要的脑信号。
“脑年龄是根据睡眠脑波计算出来的，”Leng说，“我们知道睡眠期间的大脑活动为了解大脑衰老程度提供了一个可测量的窗口。”
结果还表明，改善睡眠健康可能会影响大脑衰老的方式。Leng指出，先前的研究表明，治疗睡眠障碍可以改变睡眠期间记录到的脑波活动。
第一作者、贝斯以色列女执事医疗中心神经病学助理教授Haoqi Sun博士与两位共同作者开发了该模型，他说：“更好的身体管理，例如降低体重指数和增加运动以减少呼吸暂停的可能性，可能会产生影响。但没有改善大脑健康的灵丹妙药。”
研究作者与资助
共同作者：贝斯以色列女执事医疗中心的Robert J. Thomas医学博士和M. Brandon Westover医学博士、哲学博士与Sun共同开发了该机器学习模型。关于其他作者，请参阅论文。
资助：美国国立卫生研究院（R01NS102190, R01NS102574, R01NS107291, RF1AG064312, RF1NS120947, R01AG073410, RF1AG064312, R01NS102190, R01AG062531）；国家老龄化研究所（R21AG085495 and R01AG083836）；国家科学基金会（2014431）；国家健康与医学研究委员会（GTN2009264）；美国睡眠医学学会。